使用SciPy.optimize.linprog函数解决线性规划问题指南

1、线性规划问题定义

linprog函数可以求解线性等式约束和不等式约束下的最小目标值问题。这类问题就是众所周知的线性规划。线性规划可以解决以下形式的问题:
m i n x   c T x s u c h   t h a t   A u b x ≤ b u b , A e q x = b e q , l ≤ x ≤   u , \mathop{min}\limits_{x} \ c^{T}x \\ {\rm such \ that} \ A_{ub}x \leq b_{ub}, \\ A_{eq}x = b_{eq }, \\ l \leq x \leq \ u, xmin cTxsuch that Aubxbub,Aeqx=beq,lx u,
其中 x x x是一个决策变量向量; c , b u b , b e q , l , u c,b_{ub},b_{eq},l,u c,bub,beq,l,u是向量; A u b , A e q A_{ub},A_{eq} Aub,Aeq是矩阵。在本教程中,我们将尝试使用 linprog 解决一个典型的线性规划问题。

2、线性规划问题示例

考虑下面这个简单的线性规划问题:
m a x x 1 , x 2 , x 3 , x 4 29 x 1 + 45 x 2 s u c h   t h a t   x 1 − x 2 − 3 x 3 ≤ 5 2 x 1 − 3 x 2 − 7 x 3 + 3 x 4 ≥ 10 2 x 1 + 8 x 2 + x 3 = 60 4 x 1 + 4 x 2 + x 4 = 60 0 ≤ x 0 0 ≤ x 1 ≤ 5 x 2 ≤ 0.5 − 3 ≤ x 3 \mathop{max}\limits_{x_{1},x_{2},x_{3},x_{4}} 29x_{1} + 45x_{2} \\ {\rm such \ that} \ x_{1} - x_{2} - 3x_{3} \leq 5 \\ 2x_{1} - 3x_{2} - 7x_{3} + 3x_{4} \geq 10 \\ 2x_{1} + 8x_{2} + x_{3} = 60 \\ 4x_{1} + 4x_{2} + x_{4} = 60 \\ 0 \leq x_{0} \\ 0 \leq x_{1} \leq 5 \\ x_{2} \leq 0.5 \\ -3 \leq x_{3} x1,x2,x3,x4max29x1+45x2such that x1x23x3

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

皖山文武

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值